[发明专利]根据医学成像中表面数据的定位片预测

权利要求书

1.一种用于根据医学成像系统中表面数据的定位片预测的方法，该方法包括：

用传感器捕获患者的外表面；

由图像处理器通过机器学习的生成性对抗网络响应于到机器学习的生成性对抗网络的表面数据的输入而生成定位片，该表面数据来自用于外表面的传感器的输出，该定位片将患者的内部器官表示为穿过患者的投影；以及

通过显示设备显示该定位片。

2.根据权利要求1所述的方法，其中，捕获包括用是深度传感器的传感器进行捕获。

3.根据权利要求1所述的方法，其中，捕获包括用是相机的传感器进行捕获，其中表面数据基于光学测量值。

4.根据权利要求1所述的方法，其中，生成还包括将统计形状模型拟合到用于外表面的传感器的输出，该表面数据包括（a）来自拟合统计形状模型的深度和（b）外表面的投影或厚度。

5.根据权利要求1所述的方法，其中，生成包括用机器学习的生成性对抗网络进行生成，该机器学习的生成性对抗网络包括具有编码器和解码器的完全卷积网络。

6.根据权利要求5所述的方法，其中，编码器和解码器包括U-Net，该U-Net在编码器和解码器之间具有跳过连接。

7.根据权利要求1所述的方法，其中，生成包括用所述机器学习的生成性对抗网络进行生成，该机器学习的生成性对抗网络是堆叠U-Net。

8.根据权利要求1所述的方法，其中，生成包括用所述机器学习的生成性对抗网络进行生成，该机器学习的生成性对抗网络已用L1损失进行训练。

9.根据权利要求1所述的方法，其中生成包括用所述机器学习的生成性对抗网络进行生成，该机器学习的生成性对抗网络包括用于从所述表面数据生成第一X射线图像的第一生成器，用于从所述第一X射线图像或第二X射线图像和表面数据生成地标图像的第二生成器，以及用于从表面数据和地标图像生成第二X射线图像的第三生成器，所述第二X射线图像包括定位片。

10.根据权利要求9所述的方法，其中，生成包括迭代地使用第二和第三生成器。

11.根据权利要求9所述的方法，还包括：

接收第一地标的地标位置的用户输入；

其中生成包括生成具有约束到地标位置的第一地标的定位片。

12.根据权利要求1所述的方法，其中，生成包括用所述生成性对抗网络进行生成，该生成性对抗网络已用梯度惩罚进行训练。

13.根据权利要求1所述的方法，还包括：

基于定位片配置医学扫描仪；以及

如基于定位片所配置的通过医学扫描仪对患者进行成像。

14.一种用于根据医学成像系统中表面数据的定位片预测的方法，该方法包括：

用传感器捕获患者的外表面；

由图像处理器通过第一和第二机器学习的网络响应于到第一和第二机器学习的网络的表面数据的输入而生成定位片，该表面数据来自用于外表面的传感器的输出，该定位片将患者的内部器官表示为穿过患者的投影，该第一机器学习的网络输出空间标记图，而该第二机器学习的网络基于表面数据和空间标记图输出定位片；以及

通过显示设备显示该定位片。

15.根据权利要求14所述的方法，其中，生成还包括迭代地使用所述第一和第二机器学习的网络，所述第一机器学习的网络响应于所述定位片和所述表面数据的输入而输出所述空间标记图，并且其中显示包括显示来自迭代的定位片中的最终一个定位片。